https://github.com/RiderLty/fontInAss-fontinass

多模态内容分析： 支持文本、图片、视频（本地文件/URL/Base64）的混合输入 自动处理不同来源的媒体文件（ImageProcessor/VideoProcessor） AI驱动的谣言检测： 使用通义千问（TyDetector）和智谱AI（ZpDetector）双引擎并行分析 按权重评估：消息源可靠性(30%) + 事实准确性(60%) + 情感倾向(10%) 智能证据收集： 自动调用博采API（SearchClient）进行网络证据检索 优先选择.gov/.edu权威来源，交叉验证商业信息

1、实现对多类设备可群举状态识别； 2、实现对数码管、液晶屏数值识别； 3、实现对多类表计数值识别； 4、通过websocket访问服务； 5、支持70种设备状态、30种字符、6种表计识别； 6、训练数据集通过收集变电站实拍、图像预处理的方式，在模糊、强弱光环境、遮挡、倾斜、旋转、小目标场景下均可正常使用

1:抓取服务，通过FTP,SFTP,HTTP来实时抓取NCEP和国内气象公司的气象预测数据。 2:解析服务，支持对CSV,Json,Grib2类型数据的解析和数据入库。 3:业务服务，提供数据对外的API查询接口，提供前端的业务服务。 4:地图服务，提供将Grib2文件生成瓦片图，粒子数据，对外提供类似Windy的数据。 5:授权服务，提供Oauth2协议的授权，登陆，访问等功能。

安卓端 APP（大疆 SDK 集成）： 设备连接：支持大疆 Matrice 300 RTK 等主流机型，通过 Wi-Fi/lightbridge 连接，实时获取无人机状态（电量、位置、高度）； 任务规划： 手动模式：操作员实时控制无人机飞行； 自动模式：预设巡检路线（支持导入 KML 文件），无人机按轨迹自动飞行并采集数据； 数据采集： 图像拍摄：支持定时拍照、目标锁定拍照； 视频录制：高清视频实时录制，支持变焦、防抖； 数据标注：巡检过程中可对异常点（如疑似破损设备）添加文字 / 坐标标注； 实时传输：通过 4G/5G 将采集的图像 / 视频流推送至云端，支持断点续传。 上云 API 与服务端： 数据接收服务：基于 Spring Boot 开发 RESTful API，接收安卓端上传的巡检数据，存储至 OSS 对象存储； AI 识别集成：调用第三方 AI 服务（如华为云 EI）对巡检图像进行分析，识别设备缺陷并生成告警； 数据管理： 建立巡检任务库，关联无人机、操作员、巡检区域等信息； 支持按时间、区域、设备类型检索历史巡检数据； 报表生成：自动生成 PDF/Excel 巡检报告，包含缺陷统计、修复建议、对比分析图表。

以高校学生管理场景为核心，旨在通过物联网、人工智能与大数据技术的深度 融合，构建一套智能化、集成化、安全化的综合管理系统，破解传统高校管理中存在的三 大核心痛点： （1）管理效率层面：针对人工处理学业审核、政策解答等重复性工作耗时耗力的问题， 通过自动化流程（如学业进度自动计算、奖助学金资格智能筛选）与 AI 问答系统，将管 理人员从低价值劳动中解放，使其聚焦学生个性化指导等核心工作，预计减少 30% 以上 的人工操作成本。 （2）服务体验层面：解决传统服务渠道分散（如官网、公众号、线下咨询并存）导致 的信息获取低效问题，打造 “一站式” 智能服务平台，覆盖学生从入学到毕业全周期需求 （如新生入学指南、毕业就业指导），通过多终端访问（电脑 / 手机 / 平板）与语音交互 模式，实现 7×24 小时无间断服务，提升学生满意度。 （3）数据价值层面：改变传统管理中数据孤岛化、分析浅层化的现状，通过整合学业 成绩、咨询记录、职业测评等多维度数据，构建学生数字画像，为管理层提供可视化分析 工具（如学业风险热力图、奖助政策覆盖率报表），辅助制定更精准的教学政策与资源分配 方案，推动管理决策从 “经验驱动” 向 “数据智能驱动” 转型。 （4）技术示范层面：探索物联网架构与大模型技术在教育领域的落地路径，形成可复兰州理工大学毕业设计 8 用的技术方案与实施标准，为其他高校或职业教育机构的智慧化建设提供参考，助力教育 行业数字化转型进程。 （5）安全合规层面：针对学生隐私保护的刚性需求，通过数据加密传输（HTTPS）、 存储加密（AES-256）、细粒度权限控制（RBAC 模型）等机制，确保系统符合《个人信息 保护法》及高校数据安全管理规范，避免数据泄露风险。